每到電商銷售旺季，都會(huì)迎來(lái)雪片一樣的訂單，這既考驗(yàn)電商平臺(tái)承擔(dān)的速度和效率，更是對(duì)物流公司的分揀和運(yùn)送能力的檢驗(yàn)。互聯(lián)網(wǎng)讓用戶變得更為挑剔，用戶很難接受狂歡之后的等待，優(yōu)質(zhì)的物流則是保證用戶體驗(yàn)的第一環(huán)。

今年618期間，上海區(qū)域200多家韻達(dá)網(wǎng)點(diǎn)全部開(kāi)啟了“預(yù)售極速達(dá)”服務(wù)，旨在將預(yù)售訂單第一時(shí)間送至客戶手中。在這項(xiàng)服務(wù)的背后，是AI、大數(shù)據(jù)和IT系統(tǒng)結(jié)合的力量。

1

AI讓分揀壓力化為無(wú)形

物流行業(yè)，通常有倉(cāng)儲(chǔ)和分揀兩個(gè)關(guān)鍵環(huán)節(jié)，而在物流系統(tǒng)中，分揀是最為繁瑣，用時(shí)最長(zhǎng)的環(huán)節(jié)。 用戶在電商平臺(tái)上下單，由系統(tǒng)分揀模塊，將貨物根據(jù)訂單地址進(jìn)行區(qū)分，分配至不同地點(diǎn)的倉(cāng)庫(kù)。訂單抵達(dá)倉(cāng)庫(kù)之后，即開(kāi)始分揀。接著出庫(kù)抵達(dá)下一級(jí)分撥中心或者中轉(zhuǎn)站，最后進(jìn)入配送。 在電商銷售旺季，處于流程前端的下單量會(huì)短時(shí)間內(nèi)激增，唯有提高分揀流程的效率，才能提升整個(gè)物流系統(tǒng)的效率，為用戶提供優(yōu)質(zhì)的服務(wù)。一些優(yōu)秀的物流公司，正在求助于AI，在分揀流程的幾個(gè)關(guān)鍵環(huán)節(jié)以智能化的手段，獲得更高的分揀效率。 為了應(yīng)對(duì)電商購(gòu)物節(jié)期間的業(yè)務(wù)量洪峰。韻達(dá)在分揀中心實(shí)施了網(wǎng)格倉(cāng)策略，借助由視覺(jué)人工智能 (AI) 驅(qū)動(dòng)的智能共配分揀系統(tǒng)對(duì)快件進(jìn)行自動(dòng)分揀。 通常的智能分揀中心，現(xiàn)場(chǎng)的人力并不多，核心業(yè)務(wù)流程都依靠系統(tǒng)控制，流水線的運(yùn)行速度也飛快，會(huì)有一種看到水在流動(dòng)的視覺(jué)感受，就像是力與美的結(jié)合。 在這種“美感”的反面，則是分揀線面臨的準(zhǔn)確度與低時(shí)延的壓力。分揀線會(huì)對(duì)快件面單上的信息進(jìn)行三段碼 OCR (Optical Character Recognition) 檢測(cè)，由于識(shí)別的結(jié)果決定著快件在分揀線上的去向，因此該步驟對(duì)分揀效率至關(guān)重要，對(duì)系統(tǒng)的識(shí)別準(zhǔn)確度和時(shí)延有較高要求。 一旦識(shí)別出現(xiàn)錯(cuò)誤，就會(huì)造成分揀線回流，即快件需重新再過(guò)分揀線或需要人工分揀；而當(dāng)錯(cuò)誤率較高時(shí)，更會(huì)加重網(wǎng)點(diǎn)的操作壓力。故而，韻達(dá)提出系統(tǒng)識(shí)別的準(zhǔn)確度須達(dá)到 95% 以上。另一方面，系統(tǒng)時(shí)延與分揀線傳輸速度息息相關(guān)，檢測(cè)算法的時(shí)延會(huì)直接影響分揀傳輸?shù)男剩^(guò)慢就會(huì)造成快件積壓，進(jìn)而影響分揀速度和派送時(shí)效，韻達(dá)經(jīng)過(guò)評(píng)估后發(fā)現(xiàn)智能分揀線系統(tǒng)的時(shí)延必須要小于130ms才能滿足他們對(duì)高效率的需求。

為了解決這些難題，韻達(dá)選擇了英特爾的解決方案，基于英特爾 數(shù)據(jù)中心GPU Flex系列 170和英特爾 分發(fā)版OpenVINO 工具套件來(lái)優(yōu)化其三段碼OCR檢測(cè)系統(tǒng)和分撥視頻分析平臺(tái)性能。

為驗(yàn)證方案性能，韻達(dá)進(jìn)行了三段碼 OCR 測(cè)試和TSM (Temporal Shift Module) 測(cè)試。在三段碼OCR測(cè)試中，共對(duì)2450張圖片進(jìn)行了識(shí)別，測(cè)試結(jié)果顯示平均運(yùn)行時(shí)間為 114ms，很好地滿足了韻達(dá)對(duì)低時(shí)延的需求；準(zhǔn)確度能夠達(dá)到 97%-98%，也優(yōu)于韻達(dá) 95%的預(yù)期基準(zhǔn)。 在TSM測(cè)試中，選用了1200個(gè)視頻并分不同實(shí)例和批量大小做了測(cè)試，測(cè)試結(jié)果如圖所示。

圖片來(lái)源英特爾白皮書（點(diǎn)擊圖片了解白皮書詳細(xì)內(nèi)容）

綜合測(cè)試和網(wǎng)店測(cè)試結(jié)果，韻達(dá)的視覺(jué)AI方案從算力、時(shí)延、準(zhǔn)確度、并發(fā)能力、穩(wěn)定性和散熱能力等多個(gè)方面都能很好地滿足韻達(dá)的需求，并帶來(lái)了如下企業(yè)優(yōu)勢(shì)：

第一，提升業(yè)務(wù)效率并降低成本：智能分揀系統(tǒng)的部署顯著提升了分揀線效率，進(jìn)而提升了派送效率和派送時(shí)效；此外，高效的智能分揀系統(tǒng)還幫助韻達(dá)實(shí)現(xiàn)了人力和成本節(jié)約。

第二，優(yōu)化業(yè)務(wù)管理和決策：英特爾 數(shù)據(jù)中心GPU Flex系列170帶來(lái)的高算力讓韻達(dá)實(shí)現(xiàn)了更高效的分撥視頻流分析，可幫助韻達(dá)在跨年度/跨季度預(yù)測(cè)、合理定價(jià)、網(wǎng)點(diǎn)時(shí)效提升和獎(jiǎng)懲制定等方面做出優(yōu)化。

2

每個(gè)物流場(chǎng)景，都少不了英特爾的身影

實(shí)際上，這僅僅只是韻達(dá)基于英特爾GPU的解決方案，其實(shí)韻達(dá)與英特爾的合作遠(yuǎn)不止于此。 早在2018年，韻達(dá)就與英特爾展了全方位的技術(shù)交流與協(xié)作，英特爾的至強(qiáng) 可擴(kuò)展處理器及其他一系列軟硬件產(chǎn)品技術(shù)在“大小件測(cè)量”、“數(shù)據(jù)中心異常檢測(cè)”以及“件量預(yù)測(cè)”等多個(gè)關(guān)鍵環(huán)節(jié)上為韻達(dá)構(gòu)建起高效的AI應(yīng)用底座。 在2020年，為了利用AI視覺(jué)技術(shù)解決在物流運(yùn)輸、分揀、派送等過(guò)程中遇到的難題，韻達(dá)也采用了英特爾CPU及其他軟硬件組合，完成了智慧視覺(jué)解決方案的優(yōu)化，實(shí)現(xiàn)了分轉(zhuǎn)中心智能數(shù)據(jù)處理，但也同時(shí)遭遇了新的技術(shù)挑戰(zhàn)：

一方面，由于物流場(chǎng)景的復(fù)雜性與多變性，物流行業(yè)有著爆倉(cāng)識(shí)別、違規(guī)操作分析、車輛到站識(shí)別、裝載率識(shí)別等非常復(fù)雜的場(chǎng)景，一個(gè)場(chǎng)景甚至?xí)霈F(xiàn)幾十種不同的情況，未經(jīng)優(yōu)化的算法可能會(huì)出現(xiàn)效率與精度問(wèn)題，影響設(shè)計(jì)目標(biāo)的實(shí)現(xiàn)。

另一方面，因?yàn)橐曨l推理等人工智能負(fù)載對(duì)于硬件有著嚴(yán)苛的需求，傳統(tǒng)的硬件在邊緣側(cè)難以滿足視頻推理在性能、精度、功耗等方面的需求，同時(shí)，專用的硬件方案也有成本昂貴、開(kāi)發(fā)與部署門檻高等問(wèn)題。

當(dāng)然，從深度學(xué)習(xí)算法自身來(lái)看，面向圖像識(shí)別的深度學(xué)習(xí)模型也常會(huì)存在解釋性差的問(wèn)題，模型復(fù)雜度高、優(yōu)化困難，計(jì)算強(qiáng)度高、對(duì)于算力有著較高要求，需要進(jìn)一步實(shí)現(xiàn)算法優(yōu)化。 在此項(xiàng)目中，英特爾和韻達(dá)一起構(gòu)建了基于至強(qiáng) 可擴(kuò)展處理器和酷睿 處理器的邊緣計(jì)算解決方案，將工作負(fù)載轉(zhuǎn)移到網(wǎng)絡(luò)邊緣，不僅降低了網(wǎng)絡(luò)負(fù)載與人工智能推理延遲，還切實(shí)降低了人工智能基礎(chǔ)設(shè)施平臺(tái)的采購(gòu)成本，以及高帶寬網(wǎng)絡(luò)的部署與運(yùn)維成本。 值得一提的是，除了硬件之外，韻達(dá)還通過(guò)英特爾 SVET開(kāi)源套件快速搭建了視頻拉流、解碼、抓圖編碼分發(fā)業(yè)務(wù)，同時(shí)利用OpenVINO工具套件，在英特爾平臺(tái)上優(yōu)化了視覺(jué)算法，提升了性能。 不止韻達(dá)，也有其他物流公司選擇了英特爾基于異構(gòu)的基礎(chǔ)設(shè)施，利用XPU實(shí)現(xiàn)AI推理加速，同時(shí)借英特爾 分發(fā)版 OpenVINO 工具套件和英特爾 oneAPI工具套件等簡(jiǎn)化開(kāi)發(fā)與運(yùn)維，實(shí)現(xiàn)應(yīng)用跨 XPU 的無(wú)縫切換。有效監(jiān)測(cè)園區(qū)內(nèi)是否存在攀爬傳送帶等危險(xiǎn)作業(yè)，踩踏、暴力分揀等違規(guī)作業(yè)，以及未戴安全帽等著裝安全問(wèn)題。 英特爾還將以更多、更高性能的專用加速器，持續(xù)為物流行業(yè)及合作伙伴帶來(lái)更多場(chǎng)景的優(yōu)化方案。

3

AI驅(qū)動(dòng)，讓每個(gè)包裹都能準(zhǔn)時(shí)送達(dá)

通過(guò)以上案例，我們也發(fā)現(xiàn)不同物流場(chǎng)景中都面臨著相似的難題：比如模型開(kāi)發(fā)與維護(hù)難度大，計(jì)算強(qiáng)度高，再比如專用的硬件方案也有著成本昂貴、開(kāi)發(fā)與部署門檻高等問(wèn)題。 走向AI驅(qū)動(dòng)的智慧物流，要跨越這些難題，英特爾顯然已經(jīng)給出了自己的答案： 那就是更加全面、異構(gòu)化的產(chǎn)品布局，用更加完備的軟硬件產(chǎn)品組合為全開(kāi)發(fā)鏈路護(hù)航。 通用計(jì)算芯片：

如至強(qiáng) 可擴(kuò)展處理器，其部署門檻最低，可以充分利用企業(yè)現(xiàn)有的IT基礎(chǔ)設(shè)施；

通用加速芯片：

英特爾 數(shù)據(jù)中心GPU Flex系列主攻視覺(jué)類的AI推理加速，而數(shù)據(jù)中心GPU Max系列包含有超過(guò)1000億晶體管，可為AI模型的高效訓(xùn)練提供強(qiáng)有力的支持，同時(shí)其還能兼顧科學(xué)計(jì)算，加速多個(gè)架構(gòu)中的SC和AI工作負(fù)載；

專用加速器：

7月11日Habana Gaudi2已經(jīng)發(fā)布，正式與用戶們見(jiàn)面，并且在6月27日發(fā)布的MLPerf新一代測(cè)試報(bào)中，它已經(jīng)有了先聲奪人的表現(xiàn)——不論是大家非常熟悉的BERT、ResNet、Unet模型，還是最近半年異軍突起的大語(yǔ)言模型GPT-3，Gaudi2 都有非常靚眼的表現(xiàn)。

當(dāng)然，跨異構(gòu)XPU的切換，少不了軟件的支持。借助OpenVINO 工具套件和oneAPI工具套件等可以幫助用戶簡(jiǎn)化AI應(yīng)用開(kāi)發(fā)并實(shí)現(xiàn)跨XPU的無(wú)縫切換。用戶可以根據(jù)自身工作負(fù)載的需求，選擇更適合的芯片運(yùn)行。

4

小結(jié)

物流業(yè)是支撐經(jīng)濟(jì)社會(huì)發(fā)展的基礎(chǔ)性產(chǎn)業(yè)。在數(shù)字經(jīng)濟(jì)時(shí)代，物流不僅是單行道，還促進(jìn)了新的零售業(yè)和新的制造，提高了傳統(tǒng)的庫(kù)存周轉(zhuǎn)率，構(gòu)建了靈活的供應(yīng)鏈。 隨著物流業(yè)的規(guī)模不斷擴(kuò)大，傳統(tǒng)物流的運(yùn)營(yíng)模式受到挑戰(zhàn)，急需向智能化轉(zhuǎn)型升級(jí)。以數(shù)字化技術(shù)，尤其是AI技術(shù)的賦能，物流行業(yè)走向智慧化，精細(xì)化，高效化是大勢(shì)所趨。 但AI應(yīng)用的開(kāi)發(fā)和優(yōu)化并非易事，尤其是在異構(gòu)計(jì)算興起的今天更是變得越來(lái)越復(fù)雜。英特爾擁有強(qiáng)大且專業(yè)的技術(shù)團(tuán)隊(duì)，完備的異構(gòu)硬件產(chǎn)品布局，易用的軟件工具組合，可以為物流乃至更多行業(yè)AI應(yīng)用的開(kāi)發(fā)、部署、落地應(yīng)用提供支持。 讓AI驅(qū)動(dòng)物流行業(yè)智能化轉(zhuǎn)型，讓每個(gè)包裹都能準(zhǔn)時(shí)送達(dá)。 文章來(lái)源：科技正能量